NASA 的望远镜盯了天空四年，记录下 220 万颗恒星的光度变化。 数据洪流直接淹没了传统的人工分析。 英国华威大学的…

NASA 的望远镜盯了天空四年，记录下 220 万颗恒星的光度变化。 数据洪流直接淹没了传统的人工分析。 英国华威大学的天文学家换了个玩法。 他们把这堆数据喂给了一个叫 RAVEN 的人工智能。

AI 交出的成绩单非常具体。 一口气确认了 118 颗系外行星，外加 2000 多个高质量候选者。 其中 31 颗行星，人类以前毫无察觉。

在宇宙里找系外行星，到底在找什么？ 找亮度变暗的那一瞬间。 行星从恒星前面挡过去，光就会微弱地黯淡一下。

这事难在哪？ 容易被骗。 双星系统互相遮挡产生的变暗，伪装得跟行星经过几乎一模一样。

RAVEN 没用老办法。 研究人员直接生成了几十万个逼真的真假天文事件，让机器学习去认脸。 从发现信号、剔除伪装到统计验证，它在一个系统里全自动搞定。

AI 甚至在数据盲区里揪出了极端星球。 有的星球离恒星极近，公转一圈连 24 小时都不到。 它还找到了藏在“海王星沙漠”里的行星。 在天文学的现有理论中，这是一个行星很难存活的轨道禁区。

AI 不光找星球，还在测算宇宙的概率。 这批分析结果显示，9% 到 10% 的类太阳恒星都自带近距离行星。 至于那些活在“沙漠”里的罕见星球，概率被它精确锁定在了 0.08%。 测量误差比之前的太空任务缩小了整整十倍。

以前找系外行星，是在海量噪音里靠人工筛沙子。 现在，太空望远镜只管无差别收光，找新世界的脏活累活全被算法包揽。